Cette thèse offre l'opportunité de développer des méthodes statistiques pour optimiser et calibrer les modèles de lithographie utilisés pour générer des conceptions optimales de photomasques au moyen de la correction optique de proximité (OPC).
Les dispositifs microélectroniques à haute densité de circuits sont très demandés et font l'objet de recherches et d'études approfondies par les industries. Une façon d'obtenir une densité de circuit plus élevée consiste à diminuer la dimension ou le pas du motif. Cependant, à mesure que la dimension du motif diminue, le défi de fabrication augmente. Une technique d'amélioration de la résolution (RET) telle que l'OPC doit donc être utilisée pour générer un photomasque de tels circuits.
OPC vise à améliorer la fidélité du motif de plaquette en compensant les erreurs dues aux effets optiques ou de processus lors des étapes de fabrication. Pour mettre en œuvre cette correction, un modèle de lithographie doit être généré en tenant compte du système d'exposition et des caractéristiques de la photorésiste. Ces modèles sont calibrés à l'aide d'un très grand volume de données expérimentales qui incluent des mesures CD-SEM et des contours extraits d'images SEM. L'acquisition des données et le post-traitement des images constituent un goulot d'étranglement dans le flux d'étalonnage des modèles, consommant énormément de temps et de ressources.
Durant la période de thèse, les travaux seront axés sur :
Modèles de test innovants pour optimiser les données d'entrée pour l'étalonnage du modèle
Optimisation statistique et algorithmique du flux de calibrage du modèle
Impact de la variabilité des données expérimentales sur les modèles de lithographie